Запитання з тегом «generalized-linear-model»

Хтось із вас, можливо, прочитав цей приємний документ: O'Hara RB, Kotze DJ (2010) Не записуйте дані про кількість перетворень. Методи екології та еволюції 1: 118–122. клацати . У моїй галузі досліджень (екотоксикологія) ми маємо справу з погано повторюваними експериментами, і ГЛМ не використовуються широко. Тому я зробив аналогічне моделювання, як …

18 r  generalized-linear-model  simulation  negative-binomial  type-i-and-ii-errors 

Я шукаю вступну книгу про середній рівень про узагальнені лінійні моделі. В ідеалі, крім теорії, що стоїть за моделями, я хотів би, щоб вона включала додатки та приклади на R чи іншій мові програмування - я чую, що SAS також є популярним вибором. Я маю намір вивчити це самостійно, і …

18 self-study  generalized-linear-model  references 

Майже всі , що я читав про лінійної регресії і GLM зводиться до цього: , де є незростаюча або неубивающей функцією і є параметр , який ви оцінити та перевірити гіпотези про. Існують десятки функцій зв'язку та перетворень і щоб зробити лінійною функцією .f ( x , β ) x …

18 generalized-linear-model  nonlinear-regression  link-function 

Два пов'язаних з мене питання. У мене є кадр даних, який містить кількість пацієнтів в одному стовпчику (діапазон 10 - 17 пацієнтів) та 0 та 1, які показують, чи трапився інцидент того дня. Я використовую біноміальну модель, щоб регресувати ймовірність інциденту на кількості пацієнтів. Однак я хотів би пристосуватися до …

18 binomial  generalized-linear-model  offset 

Привіт, у мене є дві проблеми, які звучать як природні кандидати для багаторівневих / змішаних моделей, які я ніколи не використовував. Найпростіший і той, який я сподіваюся спробувати як вступ, такий: Дані виглядають як багато рядків форми x y innergroup outergroup де x - числовий коваріат, на якому я хочу …

18 r  mixed-model  maximum-likelihood  generalized-linear-model 

Мені цікаво, чому ми ставимося до встановлення GLMS як до якоїсь особливої ​​проблеми оптимізації. Чи вони? Мені здається, що вони просто максимальна ймовірність, і ми записуємо ймовірність, а потім ... ми її максимально збільшуємо! То чому ми використовуємо бал Фішера замість будь-якої безлічі схем оптимізації, розроблених у прикладній математичній літературі?

18 generalized-linear-model  optimization  fisher-scoring 

Бета-регресія (тобто GLM з бета-розподілом і, як правило, функцією посилання logit) часто рекомендується мати справу з змінною, яка залежить від відповіді, приймаючи значення між 0 і 1, такі як дроби, коефіцієнти або ймовірності: Регресія для результату (відношення або частка) між 0 і 1 . Однак завжди стверджується, що бета-регресію не …

17 regression  generalized-linear-model  beta-distribution  zero-inflation  beta-regression 

Можна виконати логіт-регресію в R, використовуючи такий код: > library(MASS) > data(menarche) > glm.out = glm(cbind(Menarche, Total-Menarche) ~ Age, + family=binomial(logit), data=menarche) > coefficients(glm.out) (Intercept) Age -21.226395 1.631968 Схоже, алгоритм оптимізації зблизився - є інформація про номер кроків алгоритму оцінки рибалки: Call: glm(formula = cbind(Menarche, Total - Menarche) ~ Age, …

17 r  generalized-linear-model  optimization  algorithms  logit 

У мене є шість залежних змінних (кількість даних) та кілька незалежних змінних, я бачу, що в MMR сценарій йде так: my.model <- lm(cbind(DV1,DV2,DV3,DV4,DV5,DV6) ~ IV1 + IV2 + ... + IVn) Але, оскільки мої дані налічуються, я хочу використовувати узагальнену лінійну модель, і я спробував це: my.model <- glm(cbind(DV1,DV2,DV3,DV4,DV5,DV6) ~ …

17 r  generalized-linear-model  multiple-regression 

Ми працюємо з деякими логістичними регресіями, і ми зрозуміли, що середня оцінена ймовірність завжди дорівнює частці одиниць у вибірці; тобто середнє значення пристосованих значень дорівнює середньому зразка. Хтось може мені пояснити причину чи дати мені посилання, де я можу знайти цю демонстрацію?

17 regression  logistic  modeling  generalized-linear-model  maximum-likelihood 

Я дуже вражений тим, що Poisson GLM приймає не цілі числа! Подивіться: Дані (вміст data.txt): 1 2001 0.25 1 1 2002 0.5 1 1 2003 1 1 2 2001 0.25 1 2 2002 0.5 1 2 2003 1 1 R скрипт: t <- read.table("data.txt") names(t) <- c('site', 'year', 'count', 'weight') …

17 r  generalized-linear-model  poisson-distribution  poisson-regression 

Просте запитання: Як визначити логічний нормальний розподіл в аргументі сімейства GLM в R? Я не міг знайти, як цього можна досягти. Чому в сімейному аргументі лонормальне (або експоненціальне) не є варіантом? Десь в R-архівах я прочитав, що потрібно просто використовувати посилання log для сімейства, встановленого на гаусса в GLM, для …

17 r  distributions  generalized-linear-model  lognormal 

У мене є дані про щільність риби, які я намагаюся порівняти між декількома різними техніками збору, дані мають багато нулів, а гістограма виглядає химерною, підходящою для розподілу пуассона, за винятком того, що, як щільність, це не цілі дані. Я відносно новичок у ГЛМ і останні кілька днів шукаю в Інтернеті, …

17 regression  distributions  generalized-linear-model  link-function 

Коли ви робите GLM, і ви отримуєте помилку "не визначено через особливості" у виході anova, як можна протидіяти цій помилці? Деякі припустили, що це пов'язано з колінеарністю між коваріатами або що один із рівнів відсутній у наборі даних (див.: Інтерпретація "не визначено через особливості" в мкм ) Якби я хотів …

17 r  generalized-linear-model  regression-coefficients 

Я знаю, що стандартизовані залишки Пірсона отримуються традиційним імовірнісним способом: ri=yi−πiπi(1−πi)−−−−−−−−√ri=yi−πiπi(1−πi) r_i = \frac{y_i-\pi_i}{\sqrt{\pi_i(1-\pi_i)}} і залишки відхилення отримують більш статистичним способом (внесок кожної точки у ймовірність): di=si−2[yilogπi^+(1−yi)log(1−πi)]−−−−−−−−−−−−−−−−−−−−−−−−−−√di=si−2[yilog⁡πi^+(1−yi)log⁡(1−πi)] d_i = s_i \sqrt{-2[y_i \log \hat{\pi_i} + (1 - y_i)\log(1-\pi_i)]} де = 1, якщо y i = 1 і s i = -1, …

16 regression  logistic  generalized-linear-model  residuals  deviance